python 制作数据图表_python制作各种数据图表

最新推荐文章于 2024-10-24 23:58:11 发布

weixin_39877504

最新推荐文章于 2024-10-24 23:58:11 发布

阅读量1.1k

点赞数

文章标签： python 制作数据图表

本文链接：https://blog.csdn.net/weixin_39877504/article/details/111446084

版权

本文介绍了如何使用Python的pyecharts库来创建数据图表，包括柱状图、地域分布图和折线图的实现方法。通过示例代码详细展示了数据处理和图表渲染的过程，帮助读者掌握数据可视化技巧。

摘要由CSDN通过智能技术生成

工具集合

数据由python处理，所以首先需要安装python，官网下载即可。可以不用安装python的编辑器，自己用Notepad写就可以。

安装图表处理库pyecharts，命令是：pip install pyecharts。

在线环境不需要安装，离线环境需要安装的图表静态资源文件，下载地址

解压后是这样的，assets也是以后我们存放生成的html的位置，不然就不能正确解析。

万事俱备，GOGOGO！！！

代码细节

代码前的说明：书写的python代码必须和assets文件夹在同一目录下，代码中必须包含如下两行，用于指明在离线状态下怎么解析生成的html文件。在之后的代码中也会说明。要使用某一种图表时，只需要把自己的数据替换掉area_key和area_val就行，当然你也可以自己定义新的数据获取函数，我这里只是规定了输入数据的格式和类型。

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = "./assets/"

柱状图

from pyecharts.charts import Bar

from pyecharts.charts import Page

from pyecharts.faker import Collector

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = "./assets/"

C = Collector()

@C.funcs

def bar_base() -> Bar:

#area_key area_val就是要处理的数据，为一个二维表，需要提前加工好，需要的时候替换就行

area_key = ['北京','上海','深圳','杭州','天津','广州']

area_val = [114,62,46,21,74,44]

c = (

Bar()

.add_xaxis(area_key)

.add_yaxis("公司数量", area_val)

)

return c

#这句语法不用管，意思就是把你要的所有图表一次性渲染出来。

Page().add(*[fn() for fn, _ in C.charts]).render()

柱状图效果：

柱状图

地域分布图

from pyecharts.charts import Bar

from pyecharts import options as opts

from pyecharts.charts import Geo, Page

from pyecharts.faker import Collector

from pyecharts.globals import CurrentConfig

from pyecharts.globals import ChartType, SymbolType

CurrentConfig.ONLINE_HOST = "./assets/"

C = Collector()

@C.funcs

def geo_base() -> Geo:

area_key = ['北京','上海','深圳','杭州','天津','广州']

area_val = [114,62,46,21,74,44]

c = (

Geo()

.add_schema(maptype="china")

.add("geo", [list(z) for z in zip(area_key, area_val)])

.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(),

title_opts=opts.TitleOpts(title="Geo-基本示例"),

)

return c

@C.funcs

def geo_base1() -> Geo:

area_key = ['北京','上海','深圳','杭州','天津','广州']

area_val = [114,62,46,21,74,44]

c = (

Geo()

.add_schema(maptype="china")

.add("geo", [list(z) for z in zip(area_key, area_val)],

type_=ChartType.HEATMAP)

.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(),

title_opts=opts.TitleOpts(title="Geo-HeatMap"),

)

return c

Page().add(*[fn() for fn, _ in C.charts]).render()

地理分布图效果：还有多种效果可以配置。

地理位置分布

折线图

from pyecharts.charts import Line

from pyecharts.charts import Page

from pyecharts.faker import Collector

from pyecharts.globals import CurrentConfig

from pyecharts import options as opts

CurrentConfig.ONLINE_HOST = "./assets/"

C = Collector()

@C.funcs

def line_base() -> Line:

area_key = ['1月','2月','3月','4月','5月','6月']

area_val_1 = [114,62,46,21,74,44]

area_val_2 = [89,56,77,34,66,88]

c = (

Line()

.add_xaxis(area_key)

.add_yaxis("商家A", area_val_1)

.add_yaxis("商家B", area_val_2)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))

)

return c

Page().add(*[fn() for fn, _ in C.charts]).render()

折线图效果：

折线图效果

待补充

路径配置

上述任意一段代码成功运行后，都会在assets同目录下生成一个名为render.html文件，如果这个文件已经存在，则会覆盖，当然你也可以把所有的图像生成到同一个html文件里，就像地域分布图中的那样。

重要的是我们在使用render.html文件时需要保持在与assets文件夹在同一目录，且代码中的语句CurrentConfig.ONLINE_HOST = "./assets/"不能变。同时如果要用作PPT中演示，需要把PPT拷贝到和render.html在同一目录下，并且要带着所有的资源文件，大约有15MB。所以最后的目录如下：

目录结构